基于内容-基于音频特征的音频检索

如需转载请注明出处！

一. 算法可用性

1. 能够由片段识别主体

2. 检索准确率高

3. 抗噪性强

 

二. 算法基本原理

    离线阶段，对音频数据库中所有音频样本提取指纹，构建hash table；在线阶段，通过对待查询音频提取相同规则指纹并构建hash，在hash table中查找指纹匹配，并通过一定的规则进行匹配度量。良好的指纹特征包含以下几个特性：(1) 时间局部性，即每个指纹特征由短时信号构成，最大可能避免时间扰动。(2) 转换不变性，即特征与位置无关，具有可复现性。 (3) 鲁棒性，即提取的特征最大程度抵抗噪声及各种音频损伤性修改，如编解码等。(4) 较高信息熵，避免信息孤立特征的低抗扰动性与冗余造成的检索效率问题。

    采用频域极大值构建landmark的方式创建指纹特征来创建指纹索引hash table以及执行匹配检索，验证算法的有效性和性能。算法主要包含以下几个模块：

1. 鲁棒兴趣点提取

    将频域极值点（能量高于其邻域点）确定为兴趣点，因为极值点具有较强的抗干扰性。兴趣点的选取要遵循一定的密度准则，保证统计上符合均匀分布特性。    

    音频信号的时频谱如Fig.1A所示，通过一定的极值选取准则，最终得到的兴趣点图谱如图Fig.1B所示。需要注意的是，在查找频域极值点时，以能量幅度信息作为判断依据。在确定了兴趣点后&